faster rcnn细节总结

1.roi_pooling层是先利用spatial_scale将region proposal映射到feature map上，然后利用pooled_w、pooled_h分别将映射后的框的长度、宽度等分形成bin，最后对每个bin进行max_pooling，这其实就是一个spp-net的过程（只不过sppnet使用多个等分尺寸，这里只使用一个等分尺寸），因为他就是为了将不同大小的框都处理成相同的长方体（这也是roi_pooling的本质，对任何大小的框都是相同的输出，这样不用向rcnn那样resize图片或者resize region proposal），其实每一个点就是一个值，就有点像用固定长度进行编码。

2.roi_pooling层后面接的是一个全连接层，roi_pooling池化后生成的应该是一个固定大小的长方体（或者说正方体），即（a,b,c,d），因为pooling是在每个channel进行，pooling前和pooling后的channel应该不变；每个channel的大小变为pooled_w*pooled_h,因为roi_pooling将每个channel的宽度均分成pooled_w份，高度均分成pooled_h份，在每份里max_pooling，所以大小就变成pooled_w*pooled_h。

比如prototxt里roi_pooling的设置是这样：

roi_pooling_param {
    pooled_w: 6
    pooled_h: 6
    spatial_scale: 0.0625 # 1/16

}

那输出的shape就是（batch，channel，6，6)

下面是roi_pooling的源码，可以看到roi_pooling的输出的shape是：

　　第一维：rois的个数

　　第二维：conv5的channel个数

　　第三维：pooled_height_,在高度上等分然后提取的个数

　　第四维：pooled_width_，在宽度上等分然后提取的个数

这个问题依旧没有解决，到底batch是怎么回事

这样一个长方体是不能和全连接层直接使用的，开始以为roi_pooling层将这个转换成了batch个vector，vector的大小是channel * w * h，但后来发现这个操作其实是在InnerProduct实现的。

这是InnerProduct的cpp源码，可以看到，会先从inner_product_param的axis读取一个值，这个值其实就是要进行flatten的维度的起点

去caffe.proto里面找InnerProduct这一层的参数，可以发现axis默认是1，也就是从channel那一维开始flatten。

也就是说roi_pooling后面接的那一层InnerProduct先把roi_pooling的输出转换成（roi的个数,channel*width*height），然后每个roi进行InnerProduct计算。

CanonicalAxisIndex这个函数在blob.hpp里面定义了。要寻找这个函数的定义，你可以看到是bottom在调用这个函数，那一定是在blob里面定义，只是看到底是在cpp还是hpp了

这个函数是提供负数也可以进行索引